Аннотация

В данной статье рассматривается методы оценки страховых рисков с использованием дистанционного зондирования земли (ДЗЗ). Будет подробно рассмотрено применение этого метода для анализа и оценки страховых рисков или оценки наступления страховых случаев. Статья поможет читателям понять преимущества использования ДЗЗ при оценке страховых рисков, а также продемонстрирует его значимость для эффективного управления и минимизации потенциальных убытков.

Введение

По расчетам ООН, в течение трех лет, начиная с 2021 года, ущерб от стихийных бедствий, включая непокрытые страхованием потери, превысил 784 миллиарда долларов. Сообщается, что к 2023 году страховые компании Gallagher Re оценили общие застрахованные потери от стихийных катастроф свыше 100 миллиардов долларов, что является шестым случаем с 2017 года. В 2022 году общее страховое возмещение от стихийных бедствий составило 115 миллиардов долларов, а в 2021 году – 121 миллиард долларов. За 2023 год страхование покрыло приблизительно половину общего ущерба. В свою очередь, в 2022 и в 2021 годах страховое покрытие составило всего лишь 43% и 38% соответственно от общего ущерба, причиненного стихийными бедствиями.

Дистанционное зондирование земли (ДЗЗ) представляет собой технологию, которая позволяет получать информацию о Земле при помощи спутников, дронов и других беспилотных систем. Сегодня развитие этой области идет стремительными темпами, позволяя получать данные с высокой точностью и частотой обновления. Благодаря такому развитию, информация, собранная с помощью ДЗЗ, находит широкое применение в различных сферах, включая агрокультуру, геологию, гидрометеорологию, экологию, градостроительство и страхование.

В контексте страхования, данные, полученные через ДЗЗ, становятся ценным инструментом для оценки и управления рисками. С точной и актуальной информацией, предоставляемой дистанционным зондированием, страховые компании могут более эффективно анализировать потенциальные угрозы и разрабатывать стратегии страхования, основанные на объективных данных.

В сфере страхования дистанционное зондирование земли находит применение в различных направлениях:

  1. Страхование сельскохозяйственных культур: Мониторинг посевов, оценка состояния почвы и выявление патологий растений с помощью ДЗЗ позволяют снизить риски страхового случая и оптимизировать процессы страхования сельскохозяйственных угодий.
  2. Недвижимость и страхование имущества: ДЗЗ используется для мониторинга и выявления угроз, таких как земельные оползни, участки с пожароопасностью и наводнения, что способствует разработке индивидуальных страховых продуктов.
  3. Страхование от стихийных бедствий: Учитывая возможность прогнозирования наводнений, пожаров и других стихийных бедствий с помощью ДЗЗ, страховые компании могут предложить более гибкие и адаптированные политики страхования, минимизируя потенциальные риски для своих клиентов.

Все эти аспекты подчеркивают важность применения дистанционного зондирования земли в сфере страхования, повышающего точность оценки рисков, повышающего надежность страховых продуктов и улучшающего управление рисками как для страховщиков, так и для клиентов. Далее мы рассмотрим основные методы, которые способные оптимизировать и улучшить процесс страхования и оценки наступления страхового случая.

Методы оценки страховых рисков с использованием Дистанционного Зондирования Земли (ДЗЗ)

В сфере страхования ДЗЗ уже давно активно используется для проведения оценки страховых рисков. Это связано с тем, что данные, полученные методами ДЗЗ, могут быть использованы для анализа и прогнозирования различных потенциальных угроз и рисков, таких как наводнения, пожары, стихийные бедствия и другие события, которые могут привести к страховым случаям. После же, страховщикам необходимо провести оценку наступившего риска: наступил ли страховой случай и какой размер ущерба был нанесен. И в этой ситуации на помощь придут данные дистанционного зондирования.

Основные методы оценки страховых рисков с использованием ДЗЗ включают в себя:

  1. Классификация образований. Этот метод позволяет автоматически классифицировать объекты на изображениях, полученных с помощью ДЗЗ, что помогает выявить и анализировать потенциально опасные территории или объекты.
  2. Мультиспектральный анализ. С помощью данных, полученных с различных спектральных диапазонов, можно выявлять изменения в состоянии земной поверхности, а также отслеживать динамику окружающей среды во времени. Мультиспектральные и гиперспектральные данные позволяют построить индексные изображения, которые позволяют получить качественную информацию об объектах: их состав, структура, состояние растительности, наличие влаги или других компонентов.
  3. Анализ на основе радиолокационных данных. Этот метод позволяет проводить анализ поверхностей с учетом их рельефа и структуры, что полезно при оценке страховых рисков, связанных с различными формами поверхности. Активный метод зондирования позволяет получить высокоточные данные о поверхности даже во время сильной облачности. Чаще всего его применяют для анализа смещений земной поверхности.
  4. Анализ данных сверхвысокого разрешения. Высококачественные спутниковые снимки позволяют получить информацию о территории в режиме близком к реальному времени, что делает мониторинг более оперативным, а анализ рисков более точным.

Инновационные подходы в оценке рисков

В настоящее время во многих развитых странах одним ведущих методов оценки нанесенного ущерба является индексное страхование. Этот метод был разработан с целью упрощения процесса оценки ущерба в местах с неоднородными факторами риска и сделал старые методы менее актуальными, так как они часто основывались на сложных и субъективных процессах проверки убытков, что делало их менее эффективными и дорогостоящими.

Что такое индексное страхование?

Индексное страхование — это методика, основанная на использовании характеристического индекса, такого как индекс здоровья растений, погоды, осадков и т.д. Этот индекс формируется на основе данных ДЗЗ, собранных с космоса или аэросъемки, и позволяет оценить состояние посевов на больших территориях. Преимущество индексного страхования заключается в том, что оно опирается на объективные данные о состоянии посевов, а не на субъективные оценки, что делает его более точным и доступным для широкого использования. Индекс был создан с целью упростить процесс проверки и оценки ущерба, а также сделать страхование более эффективным и прозрачным.

Почему переход к индексному страхованию был необходим?

Одной из главных проблем, которая побудила переход к индексному страхованию, были сложности и задержки, связанные с оценкой реальных ущербов, особенно в случае стихийных бедствий, климатических изменений и других факторов, влияющих на урожайность. Традиционные методы страхования, требующие выезда на место происшествия и сложных проверок убытков, стали менее эффективными и экономически нецелесообразными. Помимо этого, традиционные методы чаще всего использовались в местах с неоднородными факторами риска. Потеря урожая на глинистых почвах и черноземе будут рассматриваться страховыми компаниями одинаково, что вызывает проблему несправедливости оценки. Индексное страхование будет оценивать случаи независимо от других случаев и на основе персональных для случая индексов.

Индексное страхование, с помощью объективных индексов и доступных данных ДЗЗ, предоставляет более точную и оперативную оценку рисков, позволяя страховщикам и фермерам более эффективно управлять финансовыми последствиями стихийных бедствий и других негативных событий, сокращая временные задержки и снижая административные издержки.

Прогнозирование риска наступления страхового случая

Прогнозирование подтоплений и наводнений (рестроспективный анализ), в том числе ежегодных

Прогнозирование риска наступления страхового случая подтопления и наводнения является важным аспектом для страховых компаний и государственных органов, так как эти природные бедствия ежегодно на территории нашей страны приводят к значительным материальным убыткам и чрезвычайным ситуациям. В апреле 2024 года в Орске было крупнейшее за историю современной России наводнение. Только по предварительным данным затопило около 12 000 домов с ущербом более чем в 21 млрд руб.

Одним из наиболее простых и часто используемых методов прогнозирования зон подтопления и наводнения является постоянный мониторинг и прогноз уровня воды в наиболее опасных и важных местах вдоль поймы рек или водохранилищ и т.д. Для оценки потенциальных угроз и картирования водных объектов используются различные водные индексы например:

взвешенный разностный индекс (WDVI):

WDVI= NIR-g* RED, где g – наклон почвенной линии

нормализованный разностный водный индекс (NDWI), определяет изменения в водных объектах:

NDVI = (GREEN+NIR) /(GREEN+NIR)

индекс различий увлажненности (NDMI), определяет уровень содержания влаги в растениях:

NDMI =((NIR – SWIR))/((NIR + SWIR) )

либо радарные данные, неподверженные воздействию облачности из-за свойств радиоволн.

Рис. 1 Значения индекса NDWI по данным КА Sentinel-2 до и во время затопления в Орске

Имея на руках большое разнообразие водных индексов и методов автоматической и машинных классификаций спутниковых изображений (таких как Random Forest или классификации с использованием нейронных сетей), а также архивные данные за несколько лет, можно построить прогнозируемые модели затопленных территорий. Уже начиная с конца XX века создаются годовые архивы данных ДЗЗ на территорию всей Земли, что позволяет сделать прогнозируемые модели более точным. Такой метод прогнозирования называется ретроспективный анализ - метод исследования, где данные и факты из прошлого анализируются для выявления тенденций, закономерностей и причинно-следственных связей.

Вторым не менее важным аспектом прогнозирования является мониторинг состояния дамб. Именно прорыв дамб водохранилищ привел за последние годы к крупнейшим наводнениям. 

Исследовать состояние дамб водохранилищ способен метод радиолокационной дифференцированной интерферометрии. Радиолокационная дифференцированная интерферометрия (D-InSAR) основывается на физических процессах интерференции радиоволн, отраженных от поверхности Земли. Этот метод позволяет измерять малейшие изменения расстояний между прибором и поверхностью, исследуя фазовые изменения сигналов.

D-InSAR позволяет обнаруживать изменения в высоте и движении дамб, что может указывать на скрытые деформации, например, связанные с потенциальными угрозами обрушения. Этот метод обеспечивает непрерывный мониторинг, что позволяет оперативно реагировать на изменения и принимать меры по предотвращению аварийных ситуаций. Таким образом, D-InSAR представляет собой важный инструмент для обеспечения безопасности и надежности дамб и водохранилищ, позволяя детектировать потенциальные угрозы и проводить своевременное техническое обследование и устранение проблем.

Исследование смещений на территории Сардобинского водохранилища (Узбекистан) до прорыва дамбы Исследование смещений на территории Сардобинского водохранилища (Узбекистан) до прорыва дамбы (график)
Рис. 2. Исследование смещений на территории Сардобинского водохранилища (Узбекистан) до прорыва дамбы (август 2017г – май 2020г). Смещение составило 90 мм за три года.

Опасность прорыва дамбы сильно увеличивает риски затопления населенных пунктов ниже по течению водотока. Моделирование зоны затопления (?)

Риск схода селей, оползней

Оползни и сели являются крупными геологическими катастрофами, которые всегда наносят масштабный социально-экономический ущерб. Прогноз оползневой и селевой подверженности играет решающую роль в экологическом мониторинге, экологической защите, планировании поселений и страховании. Основным методом прогнозирования оползней является уже ранее упомянутая радиолокационная интерферометрия. Научные исследования подтверждают, что использование радиолокационной интерферометрии значительно повышает точность прогнозирования сходов селей и оползней. Значительное количество данных и их анализ позволяют не только оценивать вероятность подобных событий, но и предсказывать их с определенной степенью уверенности. Более подробно можете об этом узнать в нашей статье.

Карта смещений (DInSAR) наложенная на ортофотоплан на территорию прогнозируемого оползня
Рис. 3. Карта смещений (DInSAR) наложенная на ортофотоплан на территорию прогнозируемого оползня

Риск засухи и опустынивания

Один из распространенных подходов в прогнозировании засухи – использование группы индексов засухи, таких как:

Нормализованный Разностный Водный Индекс (NDWI)

NDWI = (GREEN – NIR) / (GREEN + NIR)

Индекс изначально был создан для исследования водных объектов на поверхности Земли с помощью спутников. Для получения данных используется комбинация каналов, улавливающих сигналы в ближнем инфракрасном диапазоне и зеленой области видимого спектра.

Модифицированный Комбинированный Индекс Дефицита mCDI

mCDI = α*dNDVI +β*dОсадки +σ*dВлага в почве

Комбинированный индекс дефицита (mCDI) был разработан на основе трехмесячной суммы дефицита предшествующего количества осадков и дефицита месячной активности растительности с шагом в один месяц между ними. При формулировании CDI использовались основные биофизические (например, NDVI) и гидрометеорологические (например, количество осадков) переменные, полученные с помощью наблюдений с геостационарных спутников. CDI является потенциальным индикатором для оценки региональной сельскохозяйственной засухи в конце сезона, основанным на задержке реакции между водоснабжением и силой урожая.

Индекс Листовой Поверхности LAI

LAI = leaf area (m2) / ground area (m2)

Индекс разработан для анализа листовой поверхности нашей планеты и анализирует количество листьев на определенной территории. LAI высчитывают как отношение односторонней (освещенной) площади листьев к занимаемой ими поверхности почвы.

Анализ этих и других индексов на основе данных дистанционного зондирования может помочь выявить зоны с увеличенным риском засухи.

Другим методом, который используется для оценки страховых рисков засухи, является использование данных радиолокационной съемки, таких как данные от спутников Sentinel-1, для мониторинга влажности почвы. Информация о влажности почвы, полученная из таких данных, может быть важной для расчета страховых премий и определения риска урожая из-за засухи.

В целом, комбинирование данных дистанционного зондирования с индексами засухи и информацией о влажности почвы позволяет страховщикам и аграрным компаниям более точно прогнозировать и управлять рисками, связанными с засухой, что способствует более эффективному и надежному страхованию урожаев и сельскохозяйственной продукции.

Почему стоит использовать ДЗЗ?

Использование данных ДЗЗ в страховании обусловлено их способностью предоставлять многовариантные и надежные данные об объектах страхования: сельскохозяйственных угодий, недвижимости и др. Данные ДЗЗ позволяют:

  • широкий охват и доступность данных: ДЗЗ предоставляет возможность получения информации о различных участках Земли, в том числе удаленных и труднодоступных территориях. Это обеспечивает широкий охват для мониторинга и анализа страховых рисков.
  • высокая пространственная и временная разрешающая способность: данные ДЗЗ предоставляют высококачественную информацию с высоким разрешением по пространственным и временным параметрам. это позволяет детально изучать изменения и тренды, связанные с рисками, такими как климатические условия и природные бедствия.
  • многообразие данных и спектральная информация: ДЗЗ обладает способностью регистрировать данные в различных спектральных диапазонах, что позволяет анализировать различные аспекты окружающей среды, включая параметры почвы, воды, растительности и другие факторы, важные для оценки страховых рисков.
  • мониторинг и прогнозирование: благодаря способности ДЗЗ наблюдать за изменениями в реальном времени, анализировать их и строить прогнозы, этот метод становится ключевым инструментом для мониторинга и прогнозирования рисков, связанных с природными и антропогенными явлениями.
  • эффективность и экономия ресурсов: использование ДЗЗ в оценке страховых рисков не только повышает эффективность процесса анализа и принятия решений, но также помогает экономить ресурсы, уменьшая необходимость в масштабных терренных измерениях и обследованиях.
  • точность и надежность: данные, полученные путем ДЗЗ, обладают высокой точностью, что позволяет уверенно определять риски и принимать обоснованные решения на основе достоверной информации.
  • оперативность: возможность получения и анализа данных близкому к реальному времени позволяет оперативно реагировать на возникающие риски и события, что существенно сокращает время реакции и уменьшает потенциальные убытки.
  • масштабируемость: ДЗЗ позволяет масштабировать процессы мониторинга и анализа рисков в зависимости от потребностей, что делает его универсальным инструментом для различных масштабов задач и территорий.
  • инновационность: постоянное развитие технологий ДЗЗ обеспечивает доступ к более совершенным методам анализа и прогнозирования рисков, что способствует повышению эффективности и точности оценки.
  • устойчивость к внешним факторам: использование ДЗЗ в оценке страховых рисков представляет собой устойчивый подход, не зависящий от многих внешних факторов, что обеспечивает надежность и стабильность результатов анализа.

Все это существенно повышает эффективность процессов страхования.

Оценка ущерба с применением ДЗЗ

От ураганов и града

При изучении последствий ураганов, спутниковый мониторинг играет ключевую роль. С его помощью можно оперативно определить масштаб разрушений, их локализацию, а также их воздействие на окружающую среду. Анализ данных с спутников позволяет оценить ущерб, причиненный сельскохозяйственным угодьям, лесам и инфраструктуре. Полученные выводы помогают готовиться к будущим стихийным бедствиям, создавать меры по предупреждению и уменьшению рисков.

Рис. 4. Значение индекса NDVI по данным КА Sentinel-2 до и после урагана с градом, Приамурье август 2023г.

От наводнений

ДЗЗ обеспечивает возможность оперативно оценить ущерб от наводнений. Анализ спутниковых снимков позволяет выявить залитые участки, определить масштаб затоплений, оценить услуги экосистем, а также принять меры для восстановления пострадавших зон. Эта информация полезна для эффективной координации помощи пострадавшим и разработки планов управления водными ресурсами для предупреждения подобных катастроф. Более подробно можете прочитать в нашей статье.

Рис. 5. Значения индекса NDWI по данным КА Sentinel-2 до и во время затопления в Орске

От пожаров

Аэрокосмические снимки при оценке ущерба от пожаров позволяют анализировать повреждения лесов, сельскохозяйственных угодий, инфраструктуры и населенных пунктов. Специализированные алгоритмы обработки снимков помогают определить зоны возгорания, распространение огня, а также его источники. Полученные данные используются для разработки мер по восстановлению территорий, контроля над возможными экологическими последствиями и оценки угроз для населения. Более подробно можете прочитать в нашей статье.

Рис. 6. Индекс влажности по данным КА Sentinel-2 до и после пожаров в Калифорнии, Парадайс в ноябре 2018 году

От засухи

Данные полученные методами ДЗЗ способны помочь в оценке ущерба от засухи, путем анализа изменений в растительном покрове, почвенных условиях и доступности водных ресурсов. Спектральные данные с спутников позволяют выявлять зоны с повышенной степенью засушливости, предсказывать урожайность сельскохозяйственных культур и принимать меры по смягчению воздействия засухи на сельское хозяйство и экосистемы. Более подробно можете прочитать в нашей статье.

От опустынивания

Аэрокосмический мониторинг оценивает ущерб от опустынивания путем отслеживания и анализа изменений в растительном покрове, почвенной структуре и распределении водных ресурсов. Анализ спутниковых данных позволяет выявить зоны с повышенным риском опустынивания, оценить темпы распространения пустынь, и разрабатывать меры по улучшению землепользования и восстановлению деградированных участков. Более подробно можете прочитать в нашей статье.

Карты Ирана, показывающие средние пространственные вариации
Рис. 7. Карты Ирана, показывающие средние пространственные вариации ( а ) NDVI, нормализованного разностного вегетационного индекса; ( б ) NPP, чистая первичная продукция; ( в ) LAI, индекс поверхности листа; ( г ) LST, температура поверхности земли; д ) P – осадки за период 2001–2015 гг. Участки без растительности из-за чрезмерной засушливости исключены из анализа и показаны пустыми (например, пустыня Лут, Дашт-и-Кавир, некоторые дюны и другие поверхности пустыни).

От экологических катастроф, разлив нефти, химикатов и прочего

Дистанционное зондирование позволяет быстро оценить ущерб от экологических катастроф, таких как разлив нефти или химикатов. Анализ данных ДЗЗ позволяет определить масштаб загрязнения, его распространение, а также влияние на окружающую среду и живые организмы. Полученная информация используется для принятия мер по уменьшению вреда, восстановлению экосистем, а также для определения ответственных структур и разработки стратегий предотвращения подобных катастроф в будущем. Более подробно можете прочитать в нашей статье.

Применение

Было проведено исследование, в котором изучали потенциал и фактическую поддержку дистанционного зондирования для страхового дела, связанного со сельским хозяйством. Исследование показало, что использование дистанционного зондирования в классическом страховании на основе убытков, описанное в литературе, сводится к ущербу урожая и оценке риска наводнения и пожара.

Это обнаружение привело к выводу, что страховые компании предлагают различные продукты индексного страхования, основанные на дистанционном зондировании. Например, индексное страхование для растительности и животных на пастбищах уже работает, и различные приложения в области индексного страхования урожаев рассматриваются или находятся в разработке. Исследование показало, что есть особая область применения дистанционного зондирования страховой отраслью в индексных страховых продуктах, потому что (1) можно создать индексы, которые хорошо коррелируют с тем, что застраховано; (2) эти индексы можно предоставить по низкой стоимости; и (3) это открывает новые рынки, которые не обслуживаются классическим страхованием на основе убытков.

В заключении исследования отмечается, что ограниченное внедрение дистанционного зондирования в страхование объясняется недостатком взаимопонимания и призывает к большему сотрудничеству между страховой отраслью и дистанционным зондированием для расширения практического применения этой технологии.

В заключении исследования подчеркиваются несколько проблем, которые необходимо решить для стимулирования применения дистанционного зондирования в индексном страховании. Это включает создание или поддержание благоприятной среды, готовой субсидировать страхование, а также решение нескольких технических проблем в области дистанционного зондирования. Основной же проблемой представляет собой медленное принятие дистанционного зондирования в сфере страхования, что является результатом взаимного недопонимания возможностей, предлагаемых дистанционным зондированием сообществом и страховой отраслью.

Из всего обсуждения в исследовании вытекает необходимость углубленного сотрудничества между обществом дистанционного зондирования, экономистами, агрометеорологами и страховщиками для более эффективного подхода к задаче разработки успешных приложений дистанционного зондирования в страховании.

Значения индекса NDVI на основе данных MODIS в течение первой декады мая
Рис. 8. Значения индекса NDVI на основе данных MODIS в течение первой декады мая во время хорошего (2010 г., А) и плохого продолжительного сезона дождей (2011 г., В) в округе Марсабит (ныне округ Марсабит)